期刊文献+

基于蚁群优化神经网络的故障诊断 被引量:7

Study on fault diagnosis based on neural network and ACO
下载PDF
导出
摘要 针对BP神经网络收敛速度慢,易于陷入局部极小点的问题,将蚁群算法引入BP神经网络的优化训练,建立了基于该算法的BP神经网络训练模型,并应用于电机转子故障诊断。结果表明,用蚁群算法训练神经网络具有较高的故障诊断精度,收敛性好,可以有效快速定位电机转子故障,提高诊断的效率和质量。 To overcome shortcomings of BP neural network,ACO algorithm is introduced into optimization training of BP neural network.The fault diagnosis system of neural network is established.ACO algorithm is used to train a neural network for fault diagnosis of motor.The diagnostic results based on ACO algorithm are compared with those of BP algorithm.Comparisions of network training show that fault diagnosis system based on ACO algorithm has a better identification probability of faults for multi-fault symptoms.The results show that ACO algorithm has faster convergence rate,higher accuracy and searching efficiency.
出处 《北京信息科技大学学报(自然科学版)》 2010年第2期45-48,共4页 Journal of Beijing Information Science and Technology University
基金 国家自然科学基金(50975020) 北京市属高等学校人才强教计划资助项目(PHR20090518)
关键词 蚁群算法 BP神经网络 故障诊断 ant colony optimization(ACO) BP neural network fault diagnosis
  • 相关文献

参考文献5

二级参考文献30

共引文献243

同被引文献55

引证文献7

二级引证文献45

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部